Abstract
Introduction. The basis of modern information technology for complex automation systems in the face of uncertainty is the principle of situational management. Such technologies include the following: expert systems, neural network structures, fuzzy logic and associative memory. The development of intelligent technologies is associated with the combination of various methods of processing knowledge. This area provides increased performance, reduced knowledge. It is supposed that fuzzy logic and expert systems can be combined. Aim. Consider the task of improving recognition algorithms in control systems by combining optimal filtering methods and fuzzy logic at the stage of secondary processing of information about object parameters. Materials and methods. For preliminary processing, we will consider Kalman filters (FC), for the implementation of which in real time less computing resources are required in comparison with guaranteed estimation algorithms. In the proposed method, we apply FC Bank. We carry out mathematical modeling in the Mathcad 14. In the FuzzyTECH software environment, a fuzzy project “Recognizing the type of an object” is being developed. Development of a fuzzy model takes place in several stages. Firstly, the presentation of input variables in terms of linguistic variables. Secondly, relying on expert knowledge, we define terms for linguistic variables. Thirdly, the creation of a block of rules. Fourth, a study of the created fuzzy project. Results. The mathematical modeling of the FC in the devices for tracking the parameters of objects in the process of recognition in the Mathcad 14 software environment showed the possibility of using a filter bank in the considered devices. Algorithms for recognizing object types using fuzzy logic have been created and studied. Conclusion. The created control system algorithms, combining Kalman filtering and fuzzy logic, increase the efficiency of the recognition system.
Highlights
Object Type Ownership Space Regions х =t (1) (j)
Результаты исследования математических моделей фильтра Калмана и нечеткой модели « Распознавание типов объектов» показывают повышение эффективности системы управления
The basis of modern information technology for complex automation systems in the face of uncertainty is the principle of situational management
Summary
Данная концепция предполагает использование интеллектуальных систем в случаях, когда для повышения качества управления необходимо учитывать все факторы, влияющие на систему, в том числе информационную неопределенность. Одним из направлений развития концепции является разработка бортовых интеллектуальных систем тактического уровня (БИС-ТУ) для антропоцентрических объектов (Антр/объект) [5]. 1. Постановка задачи Задача распознавания типов объектов в системах управления бортовых комплексов является чрезвычайно актуальной. В статье ставится и решается задача совершенствования алгоритмов распознавания типов объектов в системах управления путем объединения методов оптимальной фильтрации и нечеткой логики на этапе вторичной обработки информации о параметрах объектов. 2. Распознавание типа объекта Решение задачи построения системы идентификации объектов представляется возможным с помощью внедрения элементов нечеткой логики. Структурная схема устройства распознавания объектов (объединение методов ФК и НЛ) представлена на рис. Для некоторого i-го неизвестного объекта измеренный вектор Хi не позволяет провести опознавание и отнести его к одному из известных типов, так как вектор Xi находится в области пространства Для некоторого i-го неизвестного объекта измеренный вектор Хi не позволяет провести опознавание и отнести его к одному из известных типов, так как вектор Xi находится в области пространства (заштрихованная область на рис. 2), которая однозначно не может быть отнесена к какому-либо типу объектов
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
